全负载蜂窝网络下多复用D2D通信功率分配算法研究

针对全负载蜂窝网络中D2D通信的功率分配问题,该文提出了一种基于非合作完全信息博弈纳什均衡解的多复用D2D通信功率分配算法。以优先保证蜂窝用户通信质量与D2D用户接入率为前提,设置D2D通信系统上行链路帧结构,之后建立非合作完全信息博弈系统模型,引入定价机制到功率分配博弈模型中并分析纳什均衡解的存在性与唯一性,最后给出该模型的分布式迭代求解算法。仿真结果表明,随着D2D用户复用数量的增加,该算法在提升系统吞吐量的同时,能有效地控制系统内部干扰,大幅度降低系统总能耗。

     

蜂窝网络中D2D通信模式选择和信道分配算法

设备到设备(D2D)通信中,不合理的模式选择和信道分配方案会引入干扰,严重时不仅不能体现D2D通信优势,而且还将导致蜂窝用户传输速率下降。针对这一问题,文章提出了一种蜂窝网络中D2D模式选择和信道分配算法。仿真结果表明,新算法能够在有效的平衡蜂窝网络中D2D用户接入率和系统总吞吐量的同时,最小化用户之间的干扰。     

基于博弈论的D2D通信功率控制算法

针对多D2D通信用户共享蜂窝网络频谱资源中的干扰进行研究,为了减少D2D用户间干扰带来的影响,提出了一种改进的基于博弈论的D2D通信功率控制算法。算法中的博弈者是复用相同频谱资源的多D2D通信用户。建立了博弈模型,并在代价函数中引入代价因子,确定了效用函数,得到参与博弈的D2D用户的最优响应函数。文中对博弈均衡特性进行分析,证明了模型中的策略能够达到稳定状态。通过仿真实验验证了算法的有效性,并且与其他算法对比,证明使用此改进算法的D2D用户吞吐量更大,公平性更高。     

认知网络中D2D全双工通信的速率最大化功率分配算法

针对认知D2D(Device-to-Device)全双工通信网络中,D2D用户共享蜂窝用户上行链路的频谱资源而带来的复杂干扰问题,该文给出了系统传输速率最大化的功率分配方案。该方案首先给出了认知D2D全双工通信模型,并分析了上行链路中基站和D2D用户所受到的干扰以及对应的链路传输速率。其次,提出了一种基于认知无线电系统中最大化D2D用户传输速率的功率分配算法。仿真结果表明,所提算法提高了认知D2D全双工通信网络中上行链路的频谱效率和系统整体传输速率。     

D2D通信中联合链路共享与功率分配算法研究

针对D2D （Device-to-Device,D2D）通信过程中的资源分配问题,提出一种联合链路共享和功率分配算法.在保证系统内蜂窝用户服务质量（Quality of Service,QoS）需求的前提下,利用系统的信道状态信息,为D2D用户生成一个由蜂窝用户组成的通信链路的候选集合;在通信链路候选集合内使用凸优化方法得到D2D用户最优功率分配策略;最后利用（Kuhn-Munkres,KM）算法求解最大加权二部图匹配（Maximum Weight Bipartite Matching,MWBM）问题,为D2D用户选择最优的蜂窝用户进行资源共享.仿真结果表明该算法能有效的提升通信网络的吞吐量,可以为D2D用户选择最优的资源分配策略.     

适用于D2D通信复用蜂窝网络下行资源的干扰抑制方法

因为蜂窝通信和D2D通信复用相同的小区下行资源,所以这两类通信的内干扰的现象必须引起我们足够的重视。因此,本文将会简要的讨论一下适用于D2D通信复用蜂窝网络下行资源的干扰抑制方法,以便能对科研工作者和学者产生一定的参考价值。     

D2D通信中信道分配与功率优化联合算法

D2D通信技术能够有效降低基站的负担、减少通信时延、扩大通信系统的系统容量。事实上,吞吐量作为衡量系统容量的关键指标之一,能够直观地反映通信系统的优劣。在D2D通信系统中,D2D用户通过复用蜂窝用户的频谱资源完成通信过程,但其带来的共道干扰会影响系统的吞吐量。为此,提出一种多用户间频谱复用与功率控制优化算法,该算法首先通过信道干扰系数矩阵并结合多用户间的最低信干噪比(SINR)需求实现多用户间的最佳匹配,然后在D2D用户功率约束下,通过控制D2D用户的功率使系统的吞吐量达到最大。仿真结果表明,所提方法能显著提高系统的吞吐量。     

一种基于容量最大化的D2D通信资源分配算法

在蜂窝网络中,设备到设备(Device-to-Device,D2D)通信技术通过使D2D用户复用蜂窝用户的频谱资源来有效提高系统的频谱效率。但是,频谱复用会造成蜂窝用户和D2D用户之间的干扰,影响整体的通信质量。在保证二者的用户服务质量的前提下,提出了一种以系统容量最大化为目标的资源分配方法。由于所建立的优化问题是一个混合整数非线性问题,因此将问题分解为功率控制和信道分配两个子问题。通过在有限集中搜索最优解来解决功率分配这一非线性规划问题,然后利用改进后的匈牙利算法实现信道资源的分配。仿真结果表明,此算法能够有效提高蜂窝网络的系统容量。     

异构云无线接入网场景下D2D通信资源共享与分配

针对异构云无线接入网中的前向链路受限问题,提出了一种基于干扰阈值的设备到设备(Device-to-Device,D2D)多用户分簇方案,并对系统信道和功率资源的分配进行优化。首先根据D2D用户之间的干扰级别,利用着色图理论对多用户进行分簇;然后,在满足D2D用户和蜂窝用户服务质量约束下,建立了基于D2D用户和速率最大化的资源分配模型,并进一步采用二分法对已分簇的D2D用户进行功率优化分配。仿真实验结果验证了所提方案相比传统方案,系统频谱利用率提高了55%以上。     

D2D通信系统的干扰协调与资源优化

本文首先分析了同构网络下的D2D系统干扰协调和资源优化问题,简要介绍了基于部分位置信息的D2D干扰协调和资源优化,再对单小区和多小区的D2D功率控制和信道分布简单介绍。其次,文章再针对异构网络下的D2D资源优化,从异构网络下的D2D模式选择和信道分配以及异构网络下的D2D中继资源优化两个方面进行研究。     

蜂窝车联网中基于服务异构性的V2V通信资源分配算法研究

在支持车与车直接通信(V2V)的蜂窝网络场景下,针对密集环境下复用车与设备(V2I)上行链路的资源分配问题,在V2V的干扰下,利用移动链路的信道状态信息(CSI)的慢衰落统计,联合通信可靠性、功率控制,建立最大化V2I信道容量的优化模型以满足车辆网络服务的异构性的需求。基于此,该文提出一种基于超图理论和遗传算法的资源分配算法。仿真结果表明,该算法在保证V2V通信可靠性的前提下,提高了V2I的信道容量。     

LTE-A网络中D2D通信的资源分配算法研究

该文研究了D2D通信使用LTE-A网络上行链路的资源分配问题。首先将问题建模为混合整数非线性规划问题(MINLP),其次根据待接入用户对各信道的青睐程度计算特征值列表并形成相应联盟。在保证各用户服务质量(QoS)的情况下,利用最大加权二部图匹配(MWBM)方法为待接入网络用户寻找合适的资源及复用的组合。仿真结果表明,该算法打破了D2D用户在数据传输过程中一直处于专用或者复用模式的束缚,扩大了D2D用户对可选用的资源范围,与现有算法相比,可有效提高系统的总速率。     

异构网络中基于能效优化的D2D资源分配机制

针对异构网络中D2D通信复用蜂窝用户频谱时存在的频谱分配问题,该文提出一种基于改进离散鸽群优化(PIO)算法的D2D通信资源分配机制。通过设置信干噪比(SINR)门限值来保证用户的通信服务质量(QoS),采用功率控制算法为用户设置发射功率,使用基于运动权值的二进制离散鸽群优化(MWBPIO)算法为D2D用户进行资源分配,并将D2D通信技术与中继技术进行有效结合,为边缘用户建立D2D中继链路,保证边缘用户的通信质量,最大化系统性能目标。仿真结果表明,该方案有效抑制了异构通信系统中引入D2D用户后导致的干扰问题,提高了边缘用户的通信质量和系统的频谱利用率以及系统的能效。

     

基于加权二部图及贪婪策略的蜂窝网络D2D通信资源分配

D2D(Device-to-Device)通信是解决频谱资源稀缺问题的关键技术之一。该文研究蜂窝网络中“many-to-many”的复杂场景,即单个RB(Resource Block)可以分配给多对D2D用户重用,并且允许单个D2D用户对使用多个RB,其中D2D用户对数量远多于蜂窝用户设备(Cellular User Equipment, CUE)数量和RB数量。考虑CUE对资源使用具有更高优先级,将此优化问题分解为蜂窝用户资源分配和D2D用户资源重用两个阶段。在第1阶段,提出基于公平性的循环二部图匹配(Fairness-based Circular Bipartite Graph Matching, FCBGM)算法,将现有的RB分配给所有CUE,以最大化蜂窝用户和速率。在第2阶段,分别提出基于二部图的资源重用(Bipartite Graph-based Resource Reuse, BGRR)算法和基于贪婪策略的资源重用(Greedy-based Resource Reuse, GRR)算法,目标是将已经分配给CUE的RB再次分配给D2D用户重用,以最大化系统和速率,同时确保CUE的基本速率需求。仿真结果表明,在D2D用户对数量远大于CUE数量和RB数量的情况下,与现有典型算法相比,所提算法能够有效提高系统和速率,增加D2D接入率,同时兼顾用户公平性和服务质量需求。     

基于不完美CSI的D2D通信网络鲁棒能效资源分配算法

针对设备到设备(D2D)直连通信网络传统最优资源分配算法在随机信道时延、信道估计误差影响下鲁棒性弱的问题,该文在考虑参数不确定性影响的条件下,提出D2D用户总能效最大的鲁棒资源分配算法.考虑干扰功率门限、用户最小速率需求、最大传输功率和子信道分配约束,建立了下垫式频谱共享模式下多用户D2D网络资源分配模型.基于有界信道...     

基于能量收集的UAV-D2D网络资源分配算法

为更好地利用周围环境中的射频信号能量,提升终端直连(D2D)通信的运行时间和无人机(UAV)通信的频谱利用率,该文提出一种基于能量收集的UAV-D2D网络资源分配算法。考虑UAV最大发射功率和移动性约束,蜂窝用户和D2D用户的最小速率约束,建立了系统和速率最大化的多变量耦合资源分配问题。利用连续凸近似和变量替换方法将混合整数非线性规划问题转化为凸优化问题,并利用拉格朗日对偶方法获得闭式解。仿真结果表明,所提算法具有良好的收敛性能,并能够有效提升系统容量。     

基于多智能体深度强化学习的D2D通信资源联合分配方法

设备对设备(D2D)通信作为一种短距离通信技术,能够极大地减轻蜂窝基站的负载压力和提高频谱利用率。然而将D2D直接部署在授权频段或者免授权频段必然导致与现有用户的严重干扰。当前联合部署在授权和免授权频段的D2D通信的资源分配通常被建模为混合整数非线性约束的组合优化问题,传统优化方法难以解决。针对这个挑战性问题,该文提出一种基于多智能体深度强化学习的D2D通信资源联合分配方法。在该算法中,将蜂窝网络中的每个D2D发射端作为智能体,智能体能够通过深度强化学习方法智能地选择接入免授权信道或者最优的授权信道并发射功率。通过选择使用免授权信道的D2D对(基于“先听后说”机制)向蜂窝基站的信息反馈,蜂窝基站能够在非协作的情况下获得WiFi网络吞吐量信息,使得算法能够在异构环境中执行并能够确保WiFi用户的QoS。与多智能体深度Q网络(MADQN)、多智能体Q学习(MAQL)和随机算法相比,所提算法在保证WiFi用户和蜂窝用户的QoS的情况下能够获得最大的吞吐量。